Tag · 7 篇
多视图融合
Zoo3D：场景级零样本 3D 目标检测
Zoo3D: Zero-Shot 3D Object Detection at Scene Level
提出无需训练的零样本 3D 目标检测框架，利用 2D 实例掩码的图聚类构建 3D 包围盒，并通过最佳视角选择与视角一致性掩码生成进行开放词表语义标注，可直接用于点云或图像场景的 3D 感知。
重新审视2D基础模型用于可扩展的3D医学图像分类
Revisiting 2D Foundation Models for Scalable 3D Medical Image Classification
将2D基础模型通过轻量插件适配到3D医学分类，并系统评估多种适配策略，为视觉领域利用大规模2D预训练模型解决3D任务提供了可复用的范式。
Prune2Drive：面向自动驾驶视觉语言模型加速的即插即用框架
Prune2Drive: A Plug-and-Play Framework for Accelerating Vision-Language Models in Autonomous Driving
面向多视图 VLM 的即插即用视觉词元剪枝：用多样性感知选择保证跨视图语义/空间覆盖，并用视图自适应控制器按相机重要性学习剪枝比例，且不依赖注意力图、无需重训练，可直接套到自动驾驶多相机 VLM 的预填充阶段省算力。
面向多视图三维材质重建的本征图像融合
Intrinsic Image Fusion for Multi-View 3D Material Reconstruction
将扩散模型产生的多视图材质预测通过低维参数化函数和鲁棒优化融合为一致的材质空间，为逆渲染中欠约束问题提供了可复用的先验融合框架。
DINO 吞下 CLIP：面向开放集三维物体检索的超越已知类适配
DINO Eats CLIP: Adapting Beyond Knowns for Open-set 3D Object Retrieval
把冻结 DINO 的多视图特征做分块动态聚合（CAM）替代均值池化，并用 CLIP 的图文对齐空间合成未见类虚拟特征（VFS）来正则化适配，这套「冻结基础模型 + 虚拟类特征正则」思路可直接迁移到其他开放集/开放词表的 3D 或多视图识别任务。
面向不完整多视图多标签分类的跨视图蒸馏与自适应掩码
Cross-View Distillation and Adaptive Masking for Incomplete Multi-View Multi-Label Classification
跨视图蒸馏把高质量视图的表征作为教师信号对齐低质量视图，配合自适应掩码在融合前剔除不可靠表征，这套「先蒸馏再掩码」的流程可直接迁移到多模态/多视图视觉任务（如多相机、RGB-D、多传感器融合）中处理模态缺失与质量不均衡。
三维物体感知 Transformer（3PT）
3D-Object Perception Transformer (3PT)
该工作把检测、分割与 6DoF 姿态估计统一进一个无需深度输入、依靠多视图信息持续精化物体表征的 Transformer 框架，可直接作为零样本 3D 物体感知的强基线，替代冻结基础模型集成式流水线，对机器人抓取与工业装配等下游视觉任务有直接复用价值。